🎉【高能预警】阿里Agent算法工程师的一天
阿里大模型算法工程师每天都在做什么呢!
核心背景
- 战场已从大模型能力边界转向 Agent
- 目标是让Agent在亿级用户场景中"跑起来、跑得好"
- 从底层重构Agent核心能力(Planning / Reasoning / Tool Use / Memory / RAG)
- 强调真实业务规模、真实技术挑战
主要职责(4项)
1. 构建Agent"大脑":研发自主规划、多步推理、工具调用、记忆、检索增强等核心模块
2. 用RL让模型"会做事":应用SFT、强化学习(PPO等)解决LLM"说得到做不到"的痛点
3. 探索Multi-Agent协同:设计高性能Agent Runtime框架,探索多智能体协同与自我迭代
4. 让Agent真正落地:构建端到端评测体系,推动在客服、搜索、运营等场景实现业务价值
我们在等什么样的人
硬技能:
- 硕士及以上,计算机/AI/数学/电子信息相关专业
- 精通Python,掌握C++/Java至少一门
- 深入理解Transformer架构与LLM原理
- 掌握强化学习、NLP或CV基础理论
软实力:
- 对设计原理有强烈追问欲
- 能在模糊问题中定义问题、设计方案
- "想清楚再动手"的思考方式
为什么选择这里
- 🏗️ 真实规模:亿级用户场景
- 🧪 前沿课题:RL for Agent、Multi-Agent协同、长程任务规划
- ✨ 充分授权:校招可主导核心模块设计
- 📈 成长飞轮:业务数据反哺模型迭代
"如果你也相信——AI的下一个阶段属于真正能'做事'的Agent,那我们在等你来一起定义它。"
核心背景
- 战场已从大模型能力边界转向 Agent
- 目标是让Agent在亿级用户场景中"跑起来、跑得好"
- 从底层重构Agent核心能力(Planning / Reasoning / Tool Use / Memory / RAG)
- 强调真实业务规模、真实技术挑战
主要职责(4项)
1. 构建Agent"大脑":研发自主规划、多步推理、工具调用、记忆、检索增强等核心模块
2. 用RL让模型"会做事":应用SFT、强化学习(PPO等)解决LLM"说得到做不到"的痛点
3. 探索Multi-Agent协同:设计高性能Agent Runtime框架,探索多智能体协同与自我迭代
4. 让Agent真正落地:构建端到端评测体系,推动在客服、搜索、运营等场景实现业务价值
我们在等什么样的人
硬技能:
- 硕士及以上,计算机/AI/数学/电子信息相关专业
- 精通Python,掌握C++/Java至少一门
- 深入理解Transformer架构与LLM原理
- 掌握强化学习、NLP或CV基础理论
软实力:
- 对设计原理有强烈追问欲
- 能在模糊问题中定义问题、设计方案
- "想清楚再动手"的思考方式
为什么选择这里
- 🏗️ 真实规模:亿级用户场景
- 🧪 前沿课题:RL for Agent、Multi-Agent协同、长程任务规划
- ✨ 充分授权:校招可主导核心模块设计
- 📈 成长飞轮:业务数据反哺模型迭代
"如果你也相信——AI的下一个阶段属于真正能'做事'的Agent,那我们在等你来一起定义它。"
全部评论
相关推荐
查看1道真题和解析 点赞 评论 收藏
分享
